| 1 |
1
머신러닝 모델 기반 저자의 의사소통 자질 평가 방법에 있어서,(a) 온라인 텍스트 저자의 의사소통 자질 평가를 위한 설문 데이터를 수집하는 단계;(b) 상기 설문 데이터에 기초하여 온라인 텍스트 저자별 의사소통 자질 정보를 생성하는 단계; (c) 상기 온라인 텍스트 저자별 의사소통 자질 정보에 기초하여 복수의 온라인 텍스트 저자를 그룹화 하는 단계;(d) 상기 그룹화된 복수의 온라인 텍스트 저자의 온라인 텍스트 및 저자 정보로부터 특징을 추출하는 단계; 및 (e) 상기 추출된 특징에 기초하여 기 설정된 기계학습 방식으로 온라인 텍스트의 저자의 의사소통 자질 정보를 평가할 수 있는 모델을 구축하는 단계; 및(f) 신규 온라인 텍스트를 수신하고, 상기 구축된 모델을 통해 상기 신규 온라인 텍스트의 저자의 의사소통 자질 정보를 평가하는 단계,를 포함하는 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 2 |
2
제1항에 있어서,상기 (a) 단계는,상기 설문 데이터는 의사소통 자질 평가를 위한 자질 파라미터에 대한 응답을 포함하고,상기 자질 파라미터는, 출처 신뢰도, 대인관계 매력도, 대화 능력, 상호작용 의도성을 포함하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 3 |
3
제1항에 있어서,상기 (b) 단계는,설문 응답자의 특성 데이터를 더 고려하여 의사소통 자질 정보를 생성하고,상기 설문 데이터와 설문 응답자의 특성 데이터를 이용한 통계적 분석에 기초하여 상기 의사소통 자질 정보를 생성하고,다변량 선형 회귀 분석을 통해 상기 특성 데이터와 상기 의사소통 자질 정보의 상관관계를 산출하되,상기 설문 응답자의 특성 데이터는,상기 설문 응답자의 성별, 나이, SNS 사용기간, SNS 사용빈도 및 성격 중 적어도 어느 하나를 포함하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 4 |
4
제1항에 있어서,상기 (c) 단계는,전체 온라인 텍스트 저자 중 재샘플링 기법에 기초하여 후보 온라인 텍스트 저자를 선별하고,상기 의사소통 자질 정보에 대한 미리 설정된 기준값에 기초하여 상기 후보 온라인 텍스트 저자 각각을 상위 그룹 및 하위 그룹으로 분류하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 5 |
5
제1항에 있어서,상기 (d) 단계는,상기 저자 정보, 구문 정보, 유사성 정보, 감정 정보 및 언어학 기법에 기초하여 상기 특징을 추출하고,상기 (e) 단계는,상기 특징을 입력으로 하는 분류 모델에 기초하여 상기 모델을 구축하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 6 |
6
제5항에 있어서,상기 언어학 기법은,언어 조사 및 단어 계산 분석 및 코사인유사성을 포함하고,상기 언어 조사 및 단어 계산 분석은 상기 온라인 텍스트로부터 감정, 스타일, 조사 및 단어 중 적어도 어느 하나를 추출하고,상기 코사인 유사성은, 상기 온라인 텍스트로부터 해시태그, 문장부호, 이모티콘, 링크, 리트윗 중 적어도 어느 하나를 추출하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 방법
|
| 7 |
7
의사소통 자질을 평가하기 위한 모델을 구축하는 방법에 있어서,(a) 온라인 텍스트를 수집하는 단계;(b) 설문 응답자에 의한 상기 온라인 텍스트의 온라인 텍스트 저자의 의사소통 자질 평가를 위한 설문 데이터를 수집하는 단계;(c) 상기 설문 데이터에 기초하여 의사소통 자질 정보를 생성하는 단계;(d) 상기 온라인 텍스트의 저자 정보 및 상기 온라인 텍스트로부터 특징을 추출하는 단계; 및(e) 상기 특징을 입력으로 하는 분류 학습 모델에 기초하여 온라인 텍스트의 저자의 의사소통 자질 정보를 평가할 수 있는 모델을 구축하는 단계,를 포함하는 의사소통 자질을 평가하기 위한 모델을 구축하는 방법
|
| 8 |
8
제7항에 있어서,상기 (a) 단계는,상기 설문 데이터는 의사소통 자질 평가를 위한 자질 파라미터에 대한 응답을 포함하고,상기 자질 파라미터는, 출처 신뢰도, 대인관계 매력도, 대화 능력, 상호작용 의도성을 포함하는 것인, 의사소통 자질을 평가하기 위한 모델을 구축하는 방법
|
| 9 |
9
제7항에 있어서,상기 (d) 단계는,상기 저자 정보, 구문 정보, 유사성 정보, 감정 정보 및 언어학 기법에 기초하여 상기 특징을 추출하고,상기 언어학 기법은,언어 조사 및 단어 계산 분석 및 코사인유사성을 포함하고,상기 언어 조사 및 단어 계산 분석은 상기 온라인 텍스트로부터 감정, 스타일, 조사 및 단어 중 적어도 어느 하나를 추출하고,상기 코사인 유사성은, 상기 온라인 텍스트로부터 해시태그, 문장부호, 이모티콘, 링크, 리트윗 중 적어도 어느 하나를 추출하는 것인, 의사소통 자질을 평가하기 위한 모델을 구축하는 방법
|
| 10 |
10
머신러닝 모델 기반 저자의 의사소통 자질 평가 장치에 있어서,온라인 텍스트 저자의 의사소통 자질 평가를 위한 설문 데이터를 수집하는 수집부;상기 설문 데이터에 기초하여 온라인 텍스트 저자별 의사소통 자질 정보를 생성하는 의사소통 자질 정보 생성부;상기 온라인 텍스트 저자별 의사소통 자질 정보에 기초하여 복수의 온라인 텍스트 저자를 그룹화 하고, 상기 그룹화된 복수의 온라인 텍스트 저자의 온라인 텍스트 및 저자 정보로부터 특징을 추출하는 특징 추출부;상기 추출된 특징에 기초하여 기 설정된 기계학습 방식으로 온라인 텍스트의 저자의 의사소통 자질 정보를 평가할 수 있는 모델을 구축하는 모델 구축부; 및신규 온라인 텍스트를 수신하고, 상기 구축된 모델을 통해 상기 신규 온라인 텍스트의 저자의 의사소통 자질 정보를 평가하는 평가부,를 포함하는 머신러닝 모델 기반 저자의 의사소통 자질 평가 장치
|
| 11 |
11
제10항에 있어서,상기 설문 데이터는 의사소통 자질 평가를 위한 자질 파라미터에 대한 응답을 포함하고,상기 자질 파라미터는, 출처 신뢰도, 대인관계 매력도, 대화 능력, 상호작용 의도성을 포함하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 장치
|
| 12 |
12
제10항에 있어서,상기 특징 추출부는,상기 저자 정보, 구문 정보, 유사성 정보, 감정 정보 및 언어학 기법에 기초하여 상기 특징을 추출하고,상기 언어학 기법은,언어 조사 및 단어 계산 분석 및 코사인유사성을 포함하고,상기 언어 조사 및 단어 계산 분석은 상기 온라인 텍스트로부터 감정, 스타일, 조사 및 단어 중 적어도 어느 하나를 추출하고,상기 코사인 유사성은, 상기 온라인 텍스트로부터 해시태그, 문장부호, 이모티콘, 링크, 리트윗 중 적어도 어느 하나를 추출하는 것인, 머신러닝 모델 기반 저자의 의사소통 자질 평가 장치
|
